使用Anaconda安装Pytorch1.13.0 GPU环境（CUDA11.6脑残带图版）

• Python

研一上半学期一直在跑小模型CPU版本足够使用，当时也尝试安装了好多次GPU版本的环境一直安装不上，到最后不聊聊之了。但现在需要跑检测模型CPU显得力不从心，决定再痛苦的尝试安装GPU版本。安装环境是所有学习AI人前期最头疼的事，本文就是安装Pytorch GPU版本的脑残带图版。

PyTorch官网：https://pytorch.org/

文章目录

  • 前提
  • 一、查看cuda版本
  • 二、创建虚拟环境
  • 三、离线安装GPU
  • 四、跑代码（IDE中配置虚拟环境）

前提

最好已经安装好Anaconda，提前查询自己电脑的NVIDIA GPU算力

GPU算力查询

在这里插入图片描述

提示：以下是本篇文章正文内容，下面案例可供参考

一、查看cuda版本

1.右键点击NVIDIA控制面板

在这里插入图片描述

2.点击左下角系统信息

在这里插入图片描述

3.点击组件，查看NVIDIA CUDA版本

在这里插入图片描述

二、创建虚拟环境

  • 0.先去pytorch官网查看不同的pytorch版本对应的torchvision版本

    传送门：https://pytorch.org/get-started/previous-versions/

    提示：考虑到稳定性我选择了1.12.0版本的Pytorch，可以根据复现的论文代码的要求下载不同的版本

    在这里插入图片描述

  • 1.这里创建一个名为torch1.12的虚拟环境，python使用3.8的版本

conda create -n torch1.12 python=3.8
  • 2.激活虚拟环境（注：后续的操作都是在该虚拟环境下进行）
conda activate torch1.12

三、离线安装GPU

由于之前我是用的都是在线安装方法，然后一直装不上，到一半就报错，这次尝试的就是离线安装方法，torch和torchvision（torch环境）文件的下载地址

1.下载：https://download.pytorch.org/whl/torch_stable.html

分为linux和win系统，安装方式相同

在这里插入图片描述

下载需要的torch以及torchvision两个文件下载。注意，cp38表示python3.8的编译环境，win_amd64表示64位win操作系统。cu116就是对应cuda11.6的版本。

2.下载完成后，我们将这两个文件放入一个全路径为英文（中文可能路径解析出错）的文件夹中。

在这里插入图片描述

3.接着进入刚刚用conda创建好的虚拟环境后，切换到torch以及torchvision两个文件目录下依次安装whl包：

pip install torch-1.12.0+cu116-cp38-cp38-win_amd64.whl

pip install torchvision-0.13.0+cu116-cp38-cp38-win_amd64.whl

在这里插入图片描述

4.检查是否安装成功

import torch
torch.__version__

在这里插入图片描述

四、跑代码（IDE中配置虚拟环境）

  1. 点击file–>setting

    在这里插入图片描述

在这里插入图片描述

3.

在这里插入图片描述

4. 选择解析器

在这里插入图片描述

测试了一下之前的分类网络，数据也不多，之前cpu两个小时跑一个模型，GPU只用了十分钟！！！

下面是使用GPU在VOC数据集上训练以resnet50为backbone的Fast-RCNN网络模型。

在这里插入图片描述

本文来自网络，不代表协通编程立场，如若转载，请注明出处：https://net2asp.com/103822a1f8.html

赞 (0)
« 上一篇 1天前
下一篇 » 1天前

相关推荐